La covariance porte les unités combinées des deux variables, tandis que la corrélation est standardisée. Les écarts types au dénominateur de la corrélation doivent être non nuls.
À quoi cela sert
Décrire comment deux grandeurs varient ensemble.
Avant de commencer
Essayez les exemples pour découvrir ce que vous allez travailler. Vérifiez la forme de réponse demandée et les conditions indiquées.
Supposons que (X, Y) ait autant de chances de valoir (1, 2) que (3, 4).
E[X] = 2, E[Y] = 3 et E[XY] = (2 + 12)/2 = 7.
Cov(X, Y) = 7 − 2 × 3 = 1.
Utilise Cov(X, Y) = E[XY] − E[X]E[Y]. E désigne la moyenne pondérée par les probabilités. Multiplie les valeurs associées avant de faire la moyenne de XY. Les espérances nécessaires doivent être finies.
Multiplie les écarts associés
Les observations associées sont (1, 2), (3, 6) et (5, 4). Leurs moyennes sont x̄ = 3 et ȳ = 4.
Somme des produits des écarts = (−2)(−2) + (0)(2) + (2)(0) = 4.
Covariance d’échantillon = 4/(3 − 1) = 2.
Utilise sₓᵧ = Σ(xᵢ − x̄)(yᵢ − ȳ)/(n − 1), avec n ≥ 2 paires. Garde chaque x associé à son propre y et divise par n − 1.
Divise la covariance par les deux dispersions
Si Cov(X, Y) = 3, σₓ = 2 et σᵧ = 3, alors :
ρₓᵧ = 3/(2 × 3) = 1/2.
Utilise ρₓᵧ = Cov(X, Y)/(σₓσᵧ). Les symboles σₓ et σᵧ sont les écarts types des populations. Diviser par les deux élimine les unités. Ils doivent être finis et strictement positifs. Si l’un est nul, cette corrélation n’est pas définie.
Essayer quelques exemples
De vrais exercices. De vrais progrès.
Exemple 1 sur 3
Complétez la formule de corrélation de la population à partir de la covariance
X et Y ont des écarts types finis et strictement positifs, ainsi qu’une covariance définie.
Choisissez l’expression exacte.
Niveaux scolaires américains et cours qui incluent ce thème